文獻(xiàn)綜述--無(wú)人駕駛汽車中的技術(shù)總結(jié)

1、文獻(xiàn)綜述 文獻(xiàn)綜述題 目 無(wú)人駕駛汽車中的技術(shù)總結(jié)姓 名 學(xué) 號(hào) 聯(lián)系電話 聯(lián)系郵箱 指導(dǎo)教師 隨著科技水平的不斷提高和技術(shù)瓶頸的不斷突破，無(wú)人駕駛汽車（autonomous car）受到了越來(lái)越多的關(guān)注

2、。無(wú)人車的研究包括了體系結(jié)構(gòu)、人工智能技術(shù)、自動(dòng)控制、計(jì)算機(jī)科學(xué)和模式識(shí)別等技術(shù)，標(biāo)志著一個(gè)國(guó)家的工業(yè)水平和科研能力，具有廣闊的應(yīng)用前景。據(jù) IEEE 估計(jì)，到 2050 年，美國(guó)路上行駛的汽車將有 3/4 是無(wú)人駕駛的。這項(xiàng)高精尖的技術(shù)無(wú)疑是科技發(fā)展的必然趨勢(shì)，也是人類進(jìn)步的重要過(guò)程。研發(fā)無(wú)人駕駛技術(shù)帶來(lái)的便利和變化是巨大的。隨著車輛的智能化，交通運(yùn)輸能力將獲得提高，交通堵塞和事故也會(huì)相對(duì)減少。無(wú)人車在未來(lái)探索和戰(zhàn)爭(zhēng)中也能夠發(fā)揮很多作

3、用，例如偵察危險(xiǎn)區(qū)域等。美國(guó)和德國(guó)是最早開(kāi)始研究這項(xiàng)技術(shù)、同時(shí)也是目前綜合水平處于領(lǐng)先地位的國(guó)家。聞名遐邇的美國(guó)卡耐基梅隆大學(xué)的 Navlab-V 和 Sandstorm[1]，斯坦福大學(xué)的 Junior[2]和 Stanley，意大利帕爾馬大學(xué)的 ARGO，中國(guó)科學(xué)院合肥物質(zhì)科學(xué)研究院先進(jìn)制造技術(shù)研究所的“智能先鋒”[1]，等等，都是無(wú)人駕駛汽車中的成功模型。無(wú)人駕駛汽車主要涵蓋以下幾個(gè)關(guān)鍵技術(shù)：（一）地圖定位系統(tǒng)。即便是目前有司機(jī)駕

4、駛汽車的情況下，地圖導(dǎo)航系統(tǒng)也是必不可少的，對(duì)于無(wú)人駕駛汽車而言這一點(diǎn)就顯得尤為重要。地圖技術(shù)發(fā)展已久，但還沒(méi)有十分可靠和準(zhǔn)確的地圖，尤其是在城市這種人口車流密度大且環(huán)境復(fù)雜的地區(qū)。發(fā)展應(yīng)用高精度高時(shí)效性的地圖可以確保無(wú)人駕駛汽車行駛的安全運(yùn)行。在地圖這方面，微軟提出了結(jié)合虛擬現(xiàn)實(shí)體驗(yàn)的 Bing 地圖，它整合了 silverlight 技術(shù)，實(shí)現(xiàn)了街景技術(shù)和實(shí)時(shí)動(dòng)態(tài)影像、天文景觀的融合。應(yīng)用到無(wú)人駕駛汽車上時(shí)，可在原地圖附加一層概率性

5、地圖（probabilistic maps）[3]。概率性地圖是通過(guò)激光偵測(cè)獲得的，通過(guò)軌道預(yù)處理、校準(zhǔn)反射波束強(qiáng)度、反饋校準(zhǔn)數(shù)據(jù)層來(lái)收集每個(gè)相關(guān)區(qū)域的動(dòng)態(tài)變化，拓展原始地圖功能，提升地圖工作準(zhǔn)確率。這種將靜態(tài)地圖動(dòng)態(tài)化的做法，實(shí)則結(jié)合了識(shí)別運(yùn)動(dòng)物體的理念。在無(wú)人駕駛汽車運(yùn)行時(shí)，通過(guò)采集數(shù)據(jù)決定是否采用概率性地圖進(jìn)行導(dǎo)航。另一種地圖是拓?fù)涞貓D（topological map）[9]。這種拓?fù)涞貓D基于AFSM（adaptive finit